Echtzeit-Analyse von Metalllegierungen

AlloySort: TH OWL entwickelt KI-gestützte Echtzeit-Analyse für Metallrecycling

© TH OWL

Lemgo, 06. Mai 2026. Die Nachfrage von Industrie- und Produktionsunternehmen nach effizienteren Recyclingprozessen wächst und wird getrieben von Umwelt- und Klimaschutz, ökonomischen Anforderungen und politischen Vorgaben. Für die Kupfer- und Aluminiumindustrie ergeben sich hier große Potenziale, denn Metalle sind nahezu unbegrenzt recyclebar. Die größte Herausforderung dabei ist: Solange die genaue Zusammensetzung der gemischten Schrotte unbekannt ist, können Störstoffe nicht bestimmt und entfernt werden und die Metalle fließen nicht in den Recyclingprozess ein.

Hier setzt das Projekt AlloySort an, das auf den Erkenntnissen des Vorgängerprojekts MetallClass aufbaut. Während MetallClass die Klassifikation von Metalllegierungen untersuchte, geht AlloySort einen Schritt weiter: Das laufende Projekt zielt darauf ab, eine zerstörungsfreie Echtzeit-Analyse heterogener Metallrecyclingmaterialien direkt in industrielle Produktionsanlagen zu integrieren. So soll zukünftig eine zielgerichtete Sortierung direkt auf dem Förderband der Industrieunternehmen möglich sein.

Statt 20 Stunden nun 1 Sekunde: Starke Kombination von PGNAA und KI

Das Verfahren wird derzeit in einem Demonstrator erprobt: Er steht im Technikum des Projektpartners AiNT GmbH und wird dort von den Forschenden betreut. Die Anlage ist mit einem Förderband ausgestattet, auf dem verschiedene Messproben transportiert werden. Dabei handelt es sich um teilweise komplexe Stoffströme oder Materialchargen, die mithilfe der Prompt-Gamma-Neutronen-Aktivierungs-Analyse (PGNAA) erfasst werden. Die dabei entstehenden Messdaten sind hochaufgelöst, aber stark verrauscht. Die Auswertung dauerte bislang rund 20 Stunden.

Wesentlich effizientere Ergebnisse werden nun durch den Einsatz moderner KI-Algorithmen wie neuronale Netze und Convolutional Neural Networks erreicht: Sie erfassen die Materialzusammensetzungen zuverlässig und innerhalb einer Sekunde.

Anfang Dezember 2025 traf sich das Forschungsteam bei der AiNT GmbH in Stolberg, um den Projektstand zu besprechen und nächste Schritte zu koordinieren. Das inIT präsentierte neue Ergebnisse zur Klassifikation und Regression von PGNAA-Daten. Prof. Dr. Lange-Hegermann zieht ein positives Zwischenfazit: „Die bisherigen Ergebnisse zeigen, dass PGNAA in Kombination mit datengetriebenen Methoden eine zuverlässige Analyse von Legierungszusammensetzungen in sehr kurzer Zeit ermöglicht. AlloySort leistet einen vielversprechenden Beitrag zu effizienterem und nachhaltigerem industriellen Recycling.“

Die kommenden Monate stehen im Zeichen des weiteren Aufbaus der Demonstratoranlage, der Erweiterung der Datengrundlagen und der fortführenden Validierung der mathematischen Modelle. Zudem wird angestrebt, nicht nur die Legierungsart zu erkennen, sondern auch Mischungsverhältnisse bestimmen zu können.

Das Projekt wird gefördert durch:

Europäische Union, kofinanziert durch das Ministerium für Umwelt, Naturschutz und Verkehr NRW. Eine Maßnahme der Umweltwirtschaftsstrategie.
Förderlinien: EFRE/JTF-Programm NRW 2021-2027: GreenEconomy.IN.NRW
Förderkennzeichen:EFRE-20800105

Origialmeldung:
https://www.th-owl.de/news/artikel/detail/alloysort-echtzeit-analyse-von-metalllegierungen-fuer-industrielles-recycling/